Notice bibliographique
Résumé
L’actualité des publications en sociologie vient mettre en question sa capacité à expliquer ce qu’elle prend pour objet sans véritablement définir ce que signifie ce mot, expliquer. Le présent article cherche à répondre aux questions suivantes : qu’est-ce donc qu’expliquer ? Que signifie exactement ce terme associé à la science ? En quoi et pourquoi la visée que sous-tend le mot trouve-t-elle difficilement son droit, ou sa pertinence, en sociologie ? Comment se conçoit l’explication en termes opératoires ? Les réponses avancées ici s’appuient d’abord sur les nuances apportées par l’épistémologie contemporaine à la caractérisation de la science associée aux trois maîtres mots que sont décrire, comprendre et expliquer. L’analyse d’une entrevue qualitative vient ensuite illustrer les opérations en vertu desquelles expliquer devient possible dans cette discipline, dès lors susceptible d’être considérée comme une science, elle-même conçue comme une connaissance par objet, par concept et par méthode.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,037 |
| Communication savante | 0,021 | 0,021 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,003 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».